近年来，随着信息技术的急速发展，多媒体通信变成了人们生活中必不可少的一部分。数字图像的应用进入到人们生活的方方面面，譬如指纹门禁和遥感图像等。但是由于图像采集、图像传输通道和图像处理算法等优劣程度不同，不可避免地会在各种进程中引入一系列的失真。对图像质量评估有利于对这些中间过程的性能做出反馈，所以图像质量评估算法具有广泛的应用。人是图像信息的最终接受者，因此人眼是评价图像质量最有效最有说服力的工具，对视觉特征的提取是模拟人眼进行客观质量评估的最有效方法。考虑到模拟人眼视觉特性可以有效地提高质量评估算法的性能，视觉显著性是最基本的人类视觉特性之一；人眼对图像的结构信息最为敏感，而梯度特征是图像结构信息的最优表示。基于以上两点，本文提出了一种基于视觉显著性加权的梯度特征相似度图像质量评价算法。首先采用Scharr算子提取图像梯度，进行梯度特征图的结构相似度评估，将图像梯度特征相似度图作为图像信息，由视觉显著性图控制局部相对于整体图像质量的贡献度，做出了图像质量度量。实验验证该算法比经典的峰值信噪比、结构相似度和信息保真度等算法与主观评价的结果更一致。论文提出了一种基于contourlet变换的图像质量评估算法。该方法通过对图像进行contourlet变换，提取图像不同级数不同方向上的特征信息，利用对比敏感度函数模拟人眼视觉对不同空间频率的敏感性，对各级不同方向的信息滤波获得图像多级特征图，由信噪比、峰值信噪比和结构相似度作为评估因子，得到最终的图像质量评估值。实验表明，该算法针对各种失真类型图像，比改进前的信噪比、峰值信噪比和结构相似度算法，以及信息保真度等算法性能有很大提高。